双 for 循环，存储每个值，使用 R答案

【问题标题】：double for loop, store every single value, using R双 for 循环，存储每个值，使用 R
【发布时间】：2014-11-20 05:54:29
【问题描述】：

我想使用双循环来设置一个 6 列和 2^6=64 行的矩阵。对于每一行，我试图存储从 S1 到 S6 的每个值。然后找到它们的平均值。之后，对所有 64 行运行 out 循环。我可以用一种非常复杂的方式来做到这一点，如下所示。

w <- expand.grid(rep(list(0:1),6))
for(i in 1:dim(w)[1])
{
  S0<-20
  u <- 1.1
  d <- .92
  S1 <- S0*u^w[i,1]*d^(1-w[i,1])
  S2 <- S0*u^w[i,2]*d^(1-w[i,2])
  S3 <- S0*u^w[i,3]*d^(1-w[i,3])
  S4 <- S0*u^w[i,4]*d^(1-w[i,4])
  S5 <- S0*u^w[i,5]*d^(1-w[i,5])
  S6 <- S0*u^w[i,6]*d^(1-w[i,6])
  a <- c(S1,S2,S3,S4,S5,S6)
  mean <- (S0+S1+S2+S3+S4+S5+S6)/7
}

任何人都可以帮助我处理内部循环。我在想的是使用内部 for 循环，例如：

for(j in 1:dim(w)[2])  
{
  S <- S0*u^w[i,j]*d^(1-w[i,j])
  sum <- S0+S
  mean <- sum/7
}

这绝对是错误的，因为 S 只被下一个值替换并且只为终端存储。即使我的 S1 到 S6 用完了，我也没有存储它。如果这些值可以存储在矩阵中，那就太好了。谢谢！

【问题讨论】：

是a<-S0*u^w*d^(1-w) 你在找什么？在 R 中，操作是矢量化的。如果你想要每一行的意思，你可以试试rowMeans(a)。

标签： r for-loop matrix

【解决方案1】：

您可以使用apply 非常轻松地在每一行上执行一个函数：

S0 <- 20
u <- 1.1
d <- .92

means <- apply(w, 1, function (x) {
  sum(S0,S0*u^x * d^(1-x))/7
})
means
# [1] 18.62857 19.14286 19.14286 19.65714 19.14286 19.65714 19.65714 20.17143 19.14286 19.65714 19.65714 20.17143
# [13] 19.65714 20.17143 20.17143 20.68571 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
# [25] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000 19.14286 19.65714 19.65714 20.17143
# [37] 19.65714 20.17143 20.17143 20.68571 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
# [49] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000 20.17143 20.68571 20.68571 21.20000
# [61] 20.68571 21.20000 21.20000 21.71429

但是如果你想坚持循环，那么你需要指定一个对象来存储循环外的输出，然后在向量的各个位置分配值。同样正如@nicola 所提到的，鉴于 R 中的操作是矢量化的，您不需要第二个循环：

means <- vector(length=dim(w)[1])

for(i in 1:dim(w)[1]) {
    S <- S0*u^w[i,]*d^(1-w[i,])
    means2[i] <- (sum(S)+S0)/7
}
means2
# [1] 18.62857 19.14286 19.14286 19.65714 19.14286 19.65714 19.65714 20.17143 19.14286 19.65714 19.65714 20.17143
# [13] 19.65714 20.17143 20.17143 20.68571 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
# [25] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000 19.14286 19.65714 19.65714 20.17143
# [37] 19.65714 20.17143 20.17143 20.68571 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
# [49] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000 20.17143 20.68571 20.68571 21.20000
# [61] 20.68571 21.20000 21.20000 21.71429

【讨论】：

【解决方案2】：

或者正如 @nicola 在 cmets 中建议的那样，这可以在没有任何循环的情况下完成

a<- S0*u^w*d^(1-w)
rowMeans(cbind(S0, a))
#[1] 18.62857 19.14286 19.14286 19.65714 19.14286 19.65714 19.65714 20.17143
#[9] 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
#[17] 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
#[25] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
#[33] 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
#[41] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
#[49] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
#[57] 20.17143 20.68571 20.68571 21.20000 20.68571 21.20000 21.20000 21.71429

或者

res <- (rowSums(a)+S0)/7 
res
# [1] 18.62857 19.14286 19.14286 19.65714 19.14286 19.65714 19.65714 20.17143
# [9] 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
# [17] 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
# [25] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
# [33] 19.14286 19.65714 19.65714 20.17143 19.65714 20.17143 20.17143 20.68571
# [41] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
# [49] 19.65714 20.17143 20.17143 20.68571 20.17143 20.68571 20.68571 21.20000
# [57] 20.17143 20.68571 20.68571 21.20000 20.68571 21.20000 21.20000 21.71429

数据

w <- expand.grid(rep(list(0:1),6))
S0 <- 20
u <- 1.1
d <- .92

【讨论】：